多生理参数远程监测系统可对心血管疾病患者、慢性病患者以及老年人进行不间断实时检测，在人体健康在线监护以及疾病预警方面发挥了重要作用。随着智能手机终端的普及和穿戴式传感技术的发展，以医院为监控和管理中心的传统多生理参数远程监测模式，已不再适合面向家庭和个人监护的发展需求。如何对大量的实时数据进行感知、传输、计算和存储等问题，对远程多生理参数监测系统提出了新的挑战。本文提出了基于云平台的多生理参数集群实时监测方法，以提供丰富的计算工具与计算方法、运行时间复杂度相对较高的分析算法，从而得到更加全面、精确的分析性能，以适应集群用户实时多生理参数监测的不同需要。同时，解决了传统多生理参数服务平台存在的负载能力有限、实时性不强、计算能力较差、计算资源有限等问题。论文的主要研究工作和创新点在于：(1)针对现有的多生理参数的各个传感与采集单元采用一体机集成模式，不利于多生理参数的穿戴式传感与无线组网的缺陷和不足，提出了基于无线体域网的多参数实时感知与前端组网方法，解决了现有多参数模块集中在一起所带来的导联线坏线率高、监测不方便、使用不灵活等问题；(2)传统的多参数监测服务端大多采用单一的服务器，数据分析能力不足、实时性差、存储空间受限、数据的一致性不能得到保障。为此，本文提出了多生理参数集群实时监测方法，构建了基于云计算的实时监测平台，包括集群的构建、云平台数据流程设计，以及多生理参数数据流实时监测性能的优化；(3)利用云平台的并行计算能力，对多生理参数的集群数据分析方法进行了初步探索，论文采用小波和支持向量机等时间复杂度较高的算法对心电和脉搏波信号进行了分析。分析系统在云端直接调用Matlab进行并行分析，可有效利用现有的计算工具和计算资源，实现高性能的实时数据分析。实验测试结果表明：基于云平台的远程多生理参数监测系统，在数据处理时间和负载均衡方面，比传统的服务器模式具有比较明显的优势。解决了传统远程医疗服务中数据周转时间长、实时分析算法误差大和架构拓展困难等问题，为多生理参数无线监测，以“穿戴式无线传感+手机无线传输+云计算服务”的模式走向家庭健康监测提供了技术支撑。